روشی برای بخش بندی تصاویر سنجش از دور با استفاده از الگوریتم watershed و خوشه بندی fuzzy c-means

در تقسیم بندی پیکسل های تصویر سنجش از دور با استفاده از بخش بندی watershed، مرزهای تصویر به خوبی آشکار نمی شوند. در این مقاله، یک الگوریتم خوشه بندی تصویر بر اساس بخش بندی watershed و خوشه بندی fuzzy c-means ارائه شده است. روش کار به این صورت است که در ابتدا از الگوریتم watershed برای بخش بندی تصویر حاصل از مجموع مشتق تصویر با تصویر اصلی استفاده می‌شود. مشتق گرفتن از تصویر موجب می‌شود مرزهای تصویر به خوبی آشکار شده و رویهم افتادگی بین مرزها رخ ندهد. پس از بخش بندی، برای ترکیب نواحی مشابه حاصل، از خوشه بندی fuzzy c-means استفاده می‌شود. در نهایت، به منظور بهبود نتایج خوشه بندی، یک ماتریس تقسیم بندی جدید نیز برای هر ناحیه از تصویر، با توجه به ویژگی‌های نواحی همسایه‌ی آن محاسبه می‌شود. با توجه به اینکه تصاویر سنجش از دور شامل یک سطح نویز بالا هستند، الگوریتم پیشنهادی در مقایسه با الگوریتم watershed رایج، توانایی بیشتری در مقابله با نویز دارد و لبه های تصویر بهتر نمایان می‌شوند. نتایج آزمایش روش پیشنهادی بر روی یک نمونه تصویر سنجش از دور، عملی بودن و کارایی الگوریتم پیشنهادی را نشان می‌دهد.

a method for segmenting remote sensing images using the watershed algorithm and fuzzy c-means clustering

in the division of remote sensing image pixels using watershed segmentation, the image boundaries are not well defined. in this paper, an image clustering algorithm based on watershed segmentation and fuzzy c-means clustering is presented. the method is that first the watershed algorithm is used to segment the image obtained from the sum of the image derivative with the original image. image derivation makes the borders of the image well-defined and does not overlap between borders. after segmentation, fuzzy c-means clustering is used to combine similar regions. finally, in order to improve the clustering results, a new segmentation matrix is calculated for each area of the image, according to the characteristics of its neighboring areas. due to the fact that remote sensing images contain a high level of noise, the proposed algorithm is more capable of dealing with noise compared to the conventional watershed algorithm, and the edges of the image appear better. the test results of the proposed method on a sample of remote sensing image show the practicality and efficiency of the proposed algorithm.